《傳感器網(wǎng)絡完整版資料.ppt》由會員分享，可在線閱讀，更多相關《傳感器網(wǎng)絡完整版資料.ppt（15頁珍藏版）》請在匯文網(wǎng)上搜索。

1、 無線傳感器網(wǎng)絡 1 無線傳感器網(wǎng)絡簡介 1.1 無線傳感器網(wǎng)絡定義 無線傳感器網(wǎng)絡就是由部署在監(jiān)測區(qū)域內(nèi)大量的廉價微型傳感器節(jié)點組成，通過無線通信方式形成的一個多跳的自組織的網(wǎng)絡系統(tǒng)，其目的是協(xié)作地感知、采集和處理網(wǎng)絡覆蓋區(qū)域中感知對象的信息，并發(fā)送給觀察者。傳感器、感知對象、觀測者構成WSN的三個要素.1.2 無線傳感器網(wǎng)絡體系結構 傳感器節(jié)點：處理能力，存儲能力和通信能力較弱，通過攜帶能量有限的電池供電。兼顧終端和路由器功能。匯聚節(jié)點：處理能力，存儲能力和通信能力較強，連接傳感器網(wǎng)絡和INTERNET等外部網(wǎng)絡。管理節(jié)點：用戶通過管理節(jié)點對傳感器網(wǎng)絡進行配置和管理，發(fā)布監(jiān)測任務和收集監(jiān)測

2、數(shù)據(jù)。1.3 傳感器網(wǎng)絡的特點 大規(guī)模網(wǎng)絡：部署的區(qū)域和節(jié)點的密度 自組織網(wǎng)絡：節(jié)點一般隨機部署，位置和拓撲結構難以描述 動態(tài)性網(wǎng)絡：網(wǎng)絡拓撲結構的動態(tài)性 可靠的網(wǎng)絡：網(wǎng)絡維護幾乎不可能 應用相關的網(wǎng)絡：沒有統(tǒng)一的通信協(xié)議平臺 以數(shù)據(jù)為中心的網(wǎng)絡：互聯(lián)網(wǎng)以地址為中心2.2 拓撲控制的研究現(xiàn)狀 節(jié)點統(tǒng)一功率分配算法 節(jié)點統(tǒng)一功率分配算法是一種比較簡單的功率控制算法,是在所有傳感器節(jié)點上使用一個保證網(wǎng)絡連通的最小發(fā)送功率。比如Narayanaswamy等人提出的COMPOW功率控制方案4。在COMPOW算法中,每個節(jié)點維護多張路由表,分別對應于不同的發(fā)射功率級別,節(jié)點間同級別的路由表交換控制消息。

3、通過對比不同路由表中的表項,節(jié)點可以決定確保最多節(jié)點連通的最小的通用功率級別,然后統(tǒng)一用該功率發(fā)射。但這種功率分配方法的最大缺點是,如果節(jié)點的撒布不均勻,那么全網(wǎng)通用的通信功率可能會很大?；诠?jié)點度的算法 一個節(jié)點的度數(shù)是指所有距離該節(jié)點一跳的鄰居節(jié)點的 數(shù)目?；诠?jié)點度的算法一般動態(tài)調(diào)節(jié)節(jié)點的發(fā)射功率,使 得節(jié)點的度數(shù)處于一個合理的區(qū)間。本地平均算法LMN (Local Mean Algorithm)和本地鄰居平均算法LMA(Local Mean Of Neighbors Algorithm)6是兩種周期性動態(tài)調(diào)整節(jié) 點發(fā)射功率的算法。它們之間的區(qū)別在于計算節(jié)點度的策略 不同。在LMN算法中

4、,節(jié)點定期檢測鄰居數(shù)量,并根據(jù)鄰居 數(shù)量來調(diào)節(jié)發(fā)射功率;而在LMA算法中節(jié)點是將該節(jié)點鄰 居的鄰居數(shù)求平均值作為自己的鄰居數(shù)。這類算法利用少量的局部信息達到了一定程度的優(yōu)化效果,它們不需要很強的時鐘同步,但是算法中還存在一些明顯的不足,例如,需要進一步研究合理的鄰居判斷條件,對從鄰居節(jié)點得到的信息是否需要根據(jù)信號的強弱給予不同的權重 基于鄰近圖的算法 在基于鄰近圖的算法中,所有節(jié)點以最大功率發(fā)射時形成的拓撲圖為圖G,定義為G=(V,E)的形式,V代表圖中頂點的集合,E代表圖中邊的集合,E中的元素可以表示為(u,v),其中u,vV,按照一定的規(guī)則Q,求出該圖的鄰近圖G,最后G中每個節(jié)點以自己所鄰

5、接的最遠通信節(jié)點來確定發(fā)射功率在層次型撲控制方面，提出了TopDisc成簇算法，以及LEACH和HEED等自組織成簇算法 LEACH算法它是一種自適應分簇拓撲算法，它的執(zhí)行過程是周期性的，每輪循環(huán)分為簇的建立階段和穩(wěn)定的數(shù)據(jù)通信階段。在簇的建立階段，相鄰節(jié)點動態(tài)地形成簇，隨機產(chǎn)生簇頭;在數(shù)據(jù)通信階段，簇內(nèi)節(jié)點把數(shù)據(jù)發(fā)送給簇頭，簇頭進行數(shù)據(jù)融合并把結果發(fā)送給匯聚節(jié)點。由于簇頭需要完成數(shù)據(jù)融合、與匯聚點通信等工作，所以能量消耗大。LEACH算法能夠保證各節(jié)點等概率地擔任簇頭，使得網(wǎng)絡中的節(jié)點相對均衡地消耗能量。3 無線傳感器網(wǎng)絡的數(shù)據(jù)融合3.1 數(shù)據(jù)融合的思想 數(shù)據(jù)融合主要思想是將獲得數(shù)據(jù)發(fā)送si

6、nk之前，對來自不同的傳感器節(jié)點數(shù)據(jù)在融合點上進行結合，刪除冗余數(shù)據(jù)，最小化信息傳輸量3.2 數(shù)據(jù)融合的作用 節(jié)省能量 獲得更準確的信息 提高數(shù)據(jù)收集效率3.3 數(shù)據(jù)融合模型 數(shù)據(jù)融合模型可分為跟蹤級融合結構模型與屬性級融合結構模型由于簇頭需要完成數(shù)據(jù)融合、與匯聚點通信等工作，所以能量消耗大。該層關鍵是抽取一致的、有用的信息，排除無用甚至矛盾的信息，進行融合的數(shù)據(jù)量、計算量均屬中等。匯聚節(jié)點：處理能力，存儲能力和通信能力較強，連接傳感器網(wǎng)絡和INTERNET等外部網(wǎng)絡。數(shù)據(jù)融合模型可分為跟蹤級融合結構模型與屬性級融合結構模型1 無線傳感器網(wǎng)絡簡介管理節(jié)點：用戶通過管理節(jié)點對傳感器網(wǎng)絡進行配置和

7、管理，發(fā)布監(jiān)測任務和收集監(jiān)測數(shù)據(jù)。獲得更準確的信息3 無線傳感器網(wǎng)絡的數(shù)據(jù)融合以數(shù)據(jù)為中心的網(wǎng)絡：互聯(lián)網(wǎng)以地址為中心節(jié)點統(tǒng)一功率分配算法數(shù)據(jù)融合模型可分為跟蹤級融合結構模型與屬性級融合結構模型比如Narayanaswamy等人提出的COMPOW功率控制方案4?；卩徑鼒D的算法在COMPOW算法中,每個節(jié)點維護多張路由表,分別對應于不同的發(fā)射功率級別,節(jié)點間同級別的路由表交換控制消息。2 無線傳感器網(wǎng)絡體系結構(2)特征層屬性融合結構 指對各傳感器數(shù)據(jù)進行處理并抽取特征后再進行融合。匯聚節(jié)點：處理能力，存儲能力和通信能力較強，連接傳感器網(wǎng)絡和INTERNET等外部網(wǎng)絡。提高數(shù)據(jù)收集效率動態(tài)性網(wǎng)絡

8、：網(wǎng)絡拓撲結構的動態(tài)性2 無線傳感器網(wǎng)絡體系結構無線傳感器網(wǎng)絡就是由部署在監(jiān)測區(qū)域內(nèi)大量的廉價微型傳感器節(jié)點組成，通過無線通信方式形成的一個多跳的自組織的網(wǎng)絡系統(tǒng)，其目的是協(xié)作地感知、采集和處理網(wǎng)絡覆蓋區(qū)域中感知對象的信息，并發(fā)送給觀察者。在層次型撲控制方面，提出了TopDisc成簇算法，以及LEACH和HEED等自組織成簇算法2 無線傳感器網(wǎng)絡體系結構匯聚節(jié)點：處理能力，存儲能力和通信能力較強，連接傳感器網(wǎng)絡和INTERNET等外部網(wǎng)絡。提高數(shù)據(jù)收集效率在COMPOW算法中,每個節(jié)點維護多張路由表,分別對應于不同的發(fā)射功率級別,節(jié)點間同級別的路由表交換控制消息。2 無線傳感器網(wǎng)絡體系結構由于

9、簇頭需要完成數(shù)據(jù)融合、與匯聚點通信等工作，所以能量消耗大。通常各傳感器單獨做出決策后，再將決策信息傳送到?jīng)Q策中心(即融合中心)做出最終決策。數(shù)據(jù)融合模型可分為跟蹤級融合結構模型與屬性級融合結構模型LEACH算法能夠保證各節(jié)點等概率地擔任簇頭，使得網(wǎng)絡中的節(jié)點相對均衡地消耗能量。跟蹤級融合模型可分為兩種，集中式與分布式.(1)集中式結構 集中式結構的特點是匯聚節(jié)點發(fā)送有關數(shù)據(jù)的興趣或查詢，具有相關數(shù)據(jù)的多個源節(jié)點直接將數(shù)據(jù)發(fā)送給匯聚節(jié)點，最后由匯聚節(jié)點進行數(shù)據(jù)的融合。這種結構優(yōu)點是信息損失較小。但由于無線傳感器網(wǎng)絡節(jié)點分布較為密集，多源對同一事件的數(shù)據(jù)表征存在近似的冗余信息，因此對冗余信息的傳輸

10、將使網(wǎng)絡消耗更多的能量 (2)分布式結構 分布式結構中源節(jié)點發(fā)送的數(shù)據(jù)經(jīng)中間節(jié)點轉發(fā)時，中間節(jié)點查看數(shù)據(jù)包的內(nèi)容，進行相應的數(shù)據(jù)融合后再傳送到匯聚節(jié)點，由匯聚節(jié)點實現(xiàn)數(shù)據(jù)的綜合。該結構在一定程度上提高了網(wǎng)絡數(shù)據(jù)收集的整體效率，減少了傳輸?shù)臄?shù)據(jù)量，從而降低能耗，提高信道利用率。屬性數(shù)據(jù)融合結構可分為三類：決策層、特征層、數(shù)據(jù)層的屬性融合。(1)數(shù)據(jù)層屬性融合結構 指基于原始的多個傳感器采集的數(shù)據(jù)，直接融合來自同類傳感器數(shù)據(jù)，然后實現(xiàn)特征提取和對來自融合數(shù)據(jù)的屬性判決。多數(shù)情況下僅依賴于傳感器型，不依賴于用戶需求。由于數(shù)據(jù)量大，冗余度高，因此融合計算量龐大，屬于最底層的融合。(2)特征層屬性融合結構 指對各傳感器數(shù)據(jù)進行處理并抽取特征后再進行融合。其中特征抽取是將傳感器的數(shù)據(jù)表示為能反映事物屬性的特征向量。該層關鍵是抽取一致的、有用的信息，排除無用甚至矛盾的信息，進行融合的數(shù)據(jù)量、計算量均屬中等。(3)決策層屬性融舍結構 指在特征層屬性融合基礎上，對監(jiān)測對象進行分類判別，從而得出判決信息。通常各傳感器單獨做出決策后，再將決策信息傳送到?jīng)Q策中心(即融合中心)做出最終決策。該層進行融合的數(shù)據(jù)量、計算量均較小。